معرفی شرکت RFD

امروز به طور اتفاقی با شرکتی آشنا شدم که اتفاقاً نام پروفسور گرینگارتن نیز در اعضای هیئت مدیره به چشم می‌خورد. از آنجایی که ایشان یکی از افراد شاخص در حوزه چاه‌آزمایی هست، من را مجاب کرد تا سایت شرکت آن‌ها را بررسی کنم.

در سال 2005، شرکت RFD یا همان Rock Flow Dynamics توسط دو ریاضیدان، یک فیزیکدان و یک بیزینسمن توسط سرمایه‌های شخصی خودشان راه‌اندازی گردید. 

بهترین محصول آن‌ها با نام تجاری tNavigator در بازار عرضه گردید. از این نرم‌افزار برای شبیه‌سازی دینامیکی مخزن استفاده می‌شود.

این نرم‌افزار توسط زبان برنامه‌نویسی ++C کدنویسی شده است.

این نرم‌افزار یک ماژول مجزا برای انجام عملیات تطابق تاریخچه و همچنین آنالیز عدم قطعیت دارد.

طبق برنامه آموزشی این شرکت، در حال حاضر دوره‌های آموزشی آن‌ها در کشورهایی مانند روسیه، انگلستان، عمان، مالزی و آلمان می‌باشد.

اسامی برخی از مشتریان این شرکت نیز در عکس زیر نشان داده شده است:

جالب اینجاست که این شرکت در کشورهای مختلف نمایندگی دارد، از جمله در ایران:

Iran

Tehran Energy Consultants

View Map

Tel:[phone]

Fax[phone]

Email: [e-mail]

web: http://www.tehranenergy.com/en/contact/

عدم قطعیت: یادگیری مفاهیم کتاب «قوی سیاه»

یکی از زیبایی‌های چاه‌آزمایی (Well Test) آن است که با عدم قطعیت (Uncertainty) روبرو هستیم. اصطلاحی به نام non-unique solution نیز بدین معناست که ما جواب یکتا نداریم؛ یعنی به ازای یک ورودی و یک خروجی مشخص، ممکن است بتوانیم چندین مدل مختلف را با داده‌ها تطبیق دهیم. 

به دلیل علاقه زیادی که به مباحث آماری، ریسک، پیش‌بینی، عدم قطعیت و ... دارم تصمیم گرفتم کتاب قوی سیاه را بخرم و مطالعه کنم. این کتاب یکی از آثار وزین نیسم نیکولاس طالب است که قبلاً هم در این لینک در مورد او نوشته‌ام. این کتاب در مورد عدم قطعیت است؛ از نظر نویسنده، رویداد نادر مساوی است با عدم قطعیت.

بخشی از قسمت آغازین کتاب:

تقریباً همه چیز در زندگی اجتماعی توسط شوک‌ها و پرش‌های نادر اما با اهمیت ایجاد می‌شود؛ با این وجود تقریباً تمام بررسی‌هایی که در مورد زندگی اجتماعی صورت گرفته است، روی «نرمال» تمرکز داشته است، مخصوصاً با شیوه‌های استنتاجی بر پایه ی «منحنی توزیع نرمال» که تقریباً هیچ چیزی به تو نمی‌گوید. چرا؟ چون توزیع نرمال انحراف‌های بزرگ را نادیده می‌گیرد، از پس آن‌ها بر نمی‌آید، با این حال باعث می‌شود با اطمینان فکر کنیم که عدم قطعیت را رام کرده‌ایم.

دنیای ما تحت سیطره امر افراطی، ناشناخته، و بسیار نامحتمل است (نامحتمل بر طبق دانش فعلی‌مان) - و جالب اینجاست که ما در تمام مدت وقت‌مان را صرف گپ زدن، تمرکز روی شناخته‌ها، و تکراری‌ها می‌کنیم. علی‌رغم پیشرفت و رشد دانش - و شاید اصلاً به خاطر همین پیشرفت و رشد در دانش - آینده بیش از پیش پیش بینی ناپذیر خواهد بود، در حالی که به نظر می‌رسد هم سرشت انسان و هم علوم اجتماعی دسیسه چیده‌اند که این مسأله را از ما مخفی کنند.

در هفته‌های آتی تجربه‌های خودم از مطالعه این کتاب را به اشتراک خواهم گذاشت.

مصاحبه با دکتر Andrew Wadsley در مورد «آینده مهندسی مخزن»

مقدمه: ایشان مؤسس یک شرکت در زمینه اکتشاف، تولید و شبیه‌سازی مخزن هست (لینک سایت شرکت)... تخصصشان هم ریاضیات، کد نویسی، شبیه‌سازی و مهندسی مخزن هست...

پروفایل دکتر Andrew Wadsley در لینکدین: این لینک

 

یک روز کاری خودتان رو توصیف کنید؟

اگر زمستان باشد، ابتدا به مزرعه می‌روم و چوب برای اجاق می‌آورم و به گاوها غذا می‌دهم... سپس چند ساعت را به بررسی ایمیل‌ها و ویدئوکنفرانس با مشتری‌های شرکتمان در جاهای مختلف دنیا می‌پردازم...

 

در حال حاضر چکار می‌کنید؟

در حال نهایی کردن دو تا شبیه‌ساز هستیم. البته به کارهای مزرعه هم باید رسیدگی کنم:)

 

به نظرتان بزرگ‌ترین چالش فعلی صنعت نفت و گاز چیست؟

به نظرم شبیه‌سازی مخزن در بحران است... مدیران ارشد شرکت‌ها به نتایج شبیه‌سازی اعتماد نمی‌کنند...

اگر ریاضیات با دقت و به‌درستی به کار برده شوند، پیشرفت زیادی  نسبت به ورژن های قبلی خواهیم داشت...

من همواره داده‌هایم را با معروف‌ترین زمین شناسان و ژئوفیزیست ها کالیبره می‌کنم...

 

چطور می‌توان شبیه‌سازی مخزن را بهبود بخشید؟

افزایش تعداد سلول‌ها در یک مدل شبیه‌سازی به معنای بهتر کردن پیش‌بینی عملکرد آینده مخزن نیست... باید عدم قطعیت را کاهش داده و از فرضیات کمتری استفاده کنیم...

 

لینک کامل منبع: این لینک

تغییر جهت به سمت آمار و احتمالات

آرتور بنجامین یک پروفسور ریاضیات است و شهرت او هم بیشتر به خاطر محاسبات سریع ذهنی هست که انجام می هد.

امروز یک ویدئو از ایشون دیدم که شما هم میتونید از لینک زیر دانلود کنید:

Arthur Benjamin - Teach statistics before calculus! - TED Talk

او در ابتدا پیشنهاد می کند که باید آموزش ریاضیات در آمریکا به شدت بهبود یابد و این کار ساده و کم خرج است. او می گوید که آموزش ریاضی ما بر اساس حسابان (Arithmetic) و جبر (Algebra) پایه گذاری شده است و هر آنچه در آینده یاد می گیریم به سمت حساب دیفرانسیل و انتگرال (Calculus) است. او در ادامه می گوید این کار اشتباه است و باید توجه و تمرکز ما به سمت آمار (statistics) و احتمالات (probability) برود (البته او این نکته را هم یادآوری می کند که حسابان مهم است و تمام قوانین طبیعت بر اساس علم حسابان نوشته شده اند.).

او برای این حرف خود دلیلی هم دارد: ما هر روز از علم آمار در زندگی روزمه خود استفاده می کنیم ولی اثرات حسابان را خیلی کمتر می تونیم متوجه بشیم. مثلاً ریسک، پاداش، تصادف و علم داده ها از جمله مثال هایی هستند که ما با آن ها سر و کار داریم. برای رهایی از این آشفتگی اقتصادی که در حال حاضر وجود دارد همه مردم (دانشجویان رشته های ریاضی، مهندسی، اقتصاد و همه شهروندان) باید آمار و احتمالات را بیاموزند. از آمار و احتمال برای تحلیل روندها، پیش بینی های آینده، بازی ها، قمارها و خیلی موارد دیگه استفاده میشه و این میتونه جذابیت یادگیری اون رو افزایش بده.

جهان از آنالوگ به دیجیتال عوض شده است و حالا هم وقت آن رسیده است که برنامه درسی ریاضیات ما هم از کلاسیک و پیوسته به مدرن تر و گسسته تبدیل شود. منظورم ریاضیات عدم قطعیت ها و تصادفی بودن داده ها یا همان آمار و احتمالات است. خیلی بهتره که به جای یادگیری تکنیک های حسابان، همه ما بدانیم که انحراف معیار از میانگین چیست. 

ریاضیات تنها حل کردن پارامتر مجهول نیست، بلکه پی بردن به دلیل اون هم هست!

تذکر: این پست را از سایت سجاد سلیمانی ایده گرفتم.

نمونه گیری (sampling) از سیال مخازن گاز میعانی - قسمت اول

برای توصیف دقیق مخزن نیاز به نمونه های معتبر داریم؛ اگر نمونه ها نتوانند به عنوان نماینده ای از خواص مخزن باشند، همه اندازه گیری هایی که با این نمونه ها انجام می شود، اشتباه خواهند بود. فعالیت های بهره برداری و مهندسی مخزن وابستگی زیادی به تشخیص سیالات موجود در مخزن دارد، و اینکه هیدروکربن ها در طول مدت توسعه مخزن، چه رفتاری خواهند داشت. تعیین استراتژی بهینه برای تولید و توسعه مخزن، نیازمند شناخت رفتار فازی و جریان چندفازی سیال در ته چاه، خطوط جریان و تأسیسات سطحی می باشد. در شبیه سازهای ترکیبی (compositional simulators) از داده های PVT که از آزمایشگاه بدست آمده اند استفاده می شود.

یکی از مواردی که نمونه گیری به صورت اشتباه انجام می شود عبارت است از زمانی که نمونه های گاز و میعانات گرفته شده از تفکیک گر (separator) را با نسبت نادرستی مجددا با هم ترکیب کنیم (recombine). این کار باعث می شود که فشار نقطه شبنم و فشار انتهای میعان معکوس را به صورت صحیح بدست نیاوریم. هر گونه خطایی در تعیین سیال مخزن، باعث بروز عدم قطعیت (uncertainty) در نتایج شبیه سازی می شود.

برای داشتن یک نمونه معتبر باید مراحل زیر را دنبال کنیم:

• هدف خود را از اندازه گیری خواص سیال (PVT) مخزن به صورت دقیق تعیین کنیم.
• برای عملیات نمونه گیری، حمل و آزمایش های PVT برنامه ریزی کنیم.
• در سر چاه، بر روی عملیات نمونه گیری نظارت کنیم تا طبق برنامه پیش بروند.
• بر روی روند انجام تست های آزمایشگاهی نظارت داشته باشیم تا به نتایجی که برنامه ریزی کرده بودیم دست یابیم.
• نظارت بر کنترل کیفیت نمونه

منبع: https://www.linkedin.com/pulse/sampling-analysis-gas-condensates-part-i-sampling-nabi-mirzaee